-
题名基于改进结构保持数据降维方法的故障诊断研究
被引量：17
- 1
-
-
作者
韩敏
李宇
韩冰
-
机构
大连理工大学电子信息与电气工程学部
上海船舶航运研究院航海与安全技术国家重点实验室
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2021年第2期338-348,共11页
-
基金
国家自然科学基金(61773087)
中央高校基本科研业务费(DUT17ZD216)
上海启明星(15QB1400800)资助。
-
文摘
传统基于核主成分分析(Kernel principal component analysis,KPCA)的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题,本文提出一种改进全局结构保持算法的特征提取与降维方法.改进的特征提取与降维方法将流形学习中核局部保持投影(Kernel locality preserving projection,KLPP)的思想融入核主成分分析的目标函数中,使样本投影后的特征空间不仅保持原始样本空间的整体结构,还保持样本空间相似的局部近邻结构,包含更丰富的特征信息.上述方法通过同时进行的正交化处理可避免局部子空间结构发生失真,并能够直观显示出低维结果,将低维数据输入最近邻分类器,以识别率和聚类分析结果作为衡量指标,同时将所提方法应用于故障诊断中.使用AVL Boost软件模拟的柴油机故障数据和田纳西(Tennessee Eastman,TE)化工数据仿真,验证了所提方法的有效性.
-
关键词
特征提取
数据降维
核主成分分析
局部保持投影法
故障诊断
-
Keywords
Feature extraction
data dimension reduction
kernel principal component analysis
locality preserving projection
fault diagnosis
-
分类号
TK428
[动力工程及工程热物理—动力机械及工程]
O212.4
[理学—概率论与数理统计]
-
-
题名具有工作状态转换的EIIKF船舶柴油机故障预测
被引量：7
- 2
-
-
作者
韩敏
李锦冰
许美玲
韩冰
-
机构
大连理工大学电子信息与电气工程学部
上海船舶航运研究院航海与安全技术国家重点实验室
-
出处
《自动化学报》
EI
CSCD
北大核心
2019年第5期920-926,共7页
-
基金
国家自然科学基金(61773087)
中央高校基本科研业务费专项(DUT16RC(3)123)
上海启明星计划(15QB1400800)资助~~
-
文摘
船舶柴油机作为大多数船舶的动力源泉,具有十分重要的地位,其健康状态直接影响了船舶的稳定运行.由于船舶柴油机具有工作环境复杂且工况多变的特点,不利于传统故障预测方法的应用.本文提出了一种增强型间歇性未知输入卡尔曼滤波器,可以有效降低建模的复杂度,应对具有不同的工作状态的参数预测.最后本文提出并使用改进的序贯概率比检验进行残差处理,减小故障误报.仿真结果表明,该方法可以较好地对船舶柴油机系统故障进行预测.
-
关键词
船舶柴油机
卡尔曼滤波器
序贯概率比检验
故障预测
-
Keywords
Marine diesel engine
Kalman filters
sequential probability ratio test
fault prognosis
-
分类号
U672
[交通运输工程—船舶及航道工程]
-
